Skip to content
Home » [Update] What are asteroids? | ช่อง 2 ของ find – NATAVIGUIDES

[Update] What are asteroids? | ช่อง 2 ของ find – NATAVIGUIDES

ช่อง 2 ของ find: นี่คือโพสต์ที่เกี่ยวข้องกับหัวข้อนี้

3D illustration of an asteroid flying past Earth

(Image credit: Aleksandra Sova via Shutterstock)

Asteroids are flying space rocks occasionally featured in sci-fi movies and perhaps in our low-level fears of going the way of the dinosaurs. But just what are these potato-shaped chunks of rock, and what are the odds that one could hit Earth sometime in the near future?

“You can think about asteroids as planets that didn’t make it,” Federica Spoto, a research scientist at the Minor Planet Center, an institute that studies small bodies, told Live Science. “They are what’s left over from the origin of the solar system.”

The solar system coalesced from a cloud of gas and dust about 4.6 billion years ago. Gravity drew the central part of this cloud into a giant ball that ignited into the sun, while the remaining material gradually formed into little pebbles and rocks. 

The gravitational attraction between these small objects brought them closer together and allowed some to unify into larger bodies such as planets. Big planets, like Jupiter and Saturn, gobbled up most of the material, Spoto said. “Whoever could grab more got bigger and bigger,” she said.

Much of the remaining chunks ended up in the largest asteroids, such as Ceres and Vesta, Spoto added. These were among the first asteroids discovered, with Ceres large enough to be considered a dwarf planet. The scraps became the rest of the asteroids in the solar system.

Where are asteroids found?

Many asteroids can be found in the main asteroid belt,  located between Mars and Jupiter. These rocks became confined there by Jupiter’s gravitational pull as the giant planet settled into its orbit, Spoto said. The volume of asteroids in the belt was originally much larger, but over billions of years, quirks in Jupiter’s gravity occasionally flung an asteroid away, meaning that large numbers of them have been thrown out of the solar system, she added. 

More space rocks float around in the Kuiper Belt, which is beyond the orbit of Neptune. In some cases, these objects enter the inner solar system and become heated by the sun. If they get hot enough, material evaporates off the objects and forms a thin atmosphere around them, called a coma. These particular space rocks are typically called comets, Spoto said. 

Related: What’s the difference between asteroids, comets and meteors?

A final group of extremely cold space rocks lives quite far from the sun, in a place known as the Oort cloud. These entities are spread over a distance that stretches nearly halfway to the nearest star, Proxima Centauri, Spoto said. Gravitational forces between the solar system and the Proxima Centauri system can occasionally fling the rocks either toward the sun or out into interstellar space. Foreign visitors, such as ‘Oumuamua — the first interstellar object ever found in the solar system — were likely slung from their parent star in such a manner. 

Main-belt asteroids feel all kinds of forces, such as heat from the sun, as they rotate. If one face of an asteroid becomes warmer than others, it will release infrared radiation that can push the object and set it drifting, bringing it closer to Jupiter or Mars, Spoto said. Gravitational kicks might then send the asteroids “on the highway to Earth,” she added, in which case they become what astronomers call near-Earth objects. 

An artist’s depiction of the first identified interstellar object, ‘Oumuamua.

(Image credit: M. Kornmesser/ESO)

Which asteroids will hit us?

As of July 2021, NASA had counted more than 1.1 million known asteroids. Researchers are obviously eager to know if any of these space rocks pose a danger to our planet and have been scanning the skies for hazardous asteroids for a long time. 

In 2010, NASA completed a catalog that identified the orbits of 90% of objects 0.6 miles (1 kilometer) in diameter or larger, which would be catastrophic if they hit our planet, and found that none are on collision courses with Earth, according to the agency

“We’ve checked for 100 years in the future,” Spoto said. “And right now, we don’t have any” asteroids that are on track to hit Earth. 

NASA currently has a congressional mandate to identify 90% of near-Earth objects that are 460 feet (140 meters) in diameter or larger, which could destroy a city or large region of the countryside if they were to hit our planet. NASA missed its 2020 target to finish such a catalog, but the agency has funding for a space-based telescope mission known as the NEO Surveyor, which should help find a great deal more objects in this size range, Spoto said. 

Around 40% to 50% of these medium-size asteroids are estimated to be undiscovered, she added. Instruments such as the Vera C. Rubin Observatory, which will scan the skies constantly each night, will be an additional tool for identifying these potentially hazardous entities, Spoto said. 

Smaller space rocks hit Earth almost constantly. But because the majority of our planet is covered in water or thinly populated areas, most of these impacts go unnoticed, Spoto said. Although there have been a few shockers, such as the Chelyabinsk event, in which a meteorite exploded over Russia in 2013, these occurrences are rare. 

“People ask us why we didn’t know about that one,” Spoto said. “It was coming from the direction of the sun during the day, so we couldn’t detect it.”

Catastrophic impacts — such as the one about 66 million years ago that created a 110-mile-wide (180 km) crater near the town of Chicxulub (pronounced CHEEK’-she-loob), Mexico, and caused a massive extinction of many organisms, including the nonavian dinosaurs — are extremely rare. “We’ve discovered almost the totality of large objects, like the one that killed the dinosaurs,” Spoto said. “We shouldn’t have any surprises like that.” 

Why do scientists study asteroids?

Because asteroids are leftovers from the solar system’s earliest days, these rocks can tell researchers a great deal about our origins. “Asteroids didn’t experience a lot of transformation during the last 4.6 billion years,” Spoto said, so they preserve records of events over that time period. 

“We want to know what happened at the beginning,” she added. “This is why we have all these missions to grab samples,” such as Japan’s Hayabusa2 and NASA’s OSIRIS-Rex

Spoto works to understand asteroid families, which came from a single parent body that was hit at some point in the past and exploded into tons of pieces. By studying the fragments, scientists might be able to put together what was going on during various time periods in the solar system’s history. 

“It’s like a puzzle,” she said. “You have all these different pieces, and they all tell you something.”

Spoto is particularly excited about NASA’s upcoming Double Asteroid Redirection Test (DART), which is expected to launch in November 2021 and reach an asteroid named Didymos in 2026. There, it will test a new type of technology by sending an impactor into Didymos’ tiny moon, providing data about how to change the course of any asteroids that might one day threaten our planet. 

Additional resources

  • Read about NASA’s OSIRIS-REx mission, which has collected samples from the asteroid Bennu, from Space.com.  
  • Watch this animation of all known asteroids and comets in the solar system between 1999 and 2018, from NASA’s Jet Propulsion Laboratory. 
  • Visit the International Astronomical Union’s Minor Planet Center for all the latest updates about newly-discovered space rocks

[NEW] Machine Learning บทที่ 19: Convolutional Neural Network | ช่อง 2 ของ find – NATAVIGUIDES

Convolutional Neural Network

โดย ชิตพงษ์ กิตตินราดร | มกราคม 2563

Neural network ทั่วไปอาจทำงานได้ดีกับข้อมูลที่ไม่ซับซ้อนและถูกเตรียมมาให้มีมาตรฐานเดียวกัน เช่นภาพขาวดำขนาดเล็กที่วัตถุอยู่กลางภาพ แต่พอข้อมูลมีความซับซ้อน ขนาด และความหลากหลายมากขึ้น จะทำงานได้ไม่ดีนัก โดยมักจะเกิดปัญหา Variance ซึ่งก็คือการที่โมเดลไม่สามารถทำนายข้อมูลที่ไม่เคยเห็นได้ดีเท่าที่ควร

ในบทนี้เราจะมาทำความรู้จัก Convolutional Neural Network หรือ CNN ซึ่งเป็นโครงสร้าง Neural network แบบพิเศษ ที่มีความสามารถในการจำแนกข้อมูลประเภทรูปภาพได้ดีกว่า Neural network ทั่วไปมาก

ไอเดียหลักของ CNN คือการที่ใช้ Layer ชนิดพิเศษ ที่เรียกว่า Convolution layer ซึ่งทำหน้าที่สกัดเอาส่วนต่างๆ ของภาพออกมา เช่น เส้นขอบของวัตถุต่างๆ เพื่อให้โมเดลสามารถเรียนรู้ลักษณะของภาพได้อย่างมีประสิทธิภาพและแม่นยำ

ใน CNN จะใช้ Convolution layer มาประกอบกับ Layer ชนิดอื่น เช่น Pooling layer แล้วนำกลุ่ม Layer ดังกล่าวมาซ้อนต่อๆ กัน โดยอาจเปลี่ยน Hyperparameter บางอย่าง เช่นขนาดของ Filter layer (ซึ่งเป็นส่วนหนึ่งของ Convolution layer) และจำนวน Channel ของ layer วิธีการนำเอาส่วนต่างๆ มาประกอบกันนี้ เรียกว่าเป็นโครงสร้าง (Architecture) ของ CNN ซึ่งมีหลายแบบ เช่น LeNet, AlexNet, VGG, ResNet, Inception Network เป็นต้น ซึ่งเราจะพูดถึงโครงสร้างแบบต่างๆ นี้ในบทถัดไป แต่ตอนนี้เรามีทำความเข้าใจส่วนประกอบต่างๆ ของ CNN ซึ่งเป็นพื้นฐานที่จะนำมาประกอบกันเสียก่อน โดยเริ่มที่ Convolution layer

Convolution layer

เพื่อความเข้าใจ ให้ลองทำความเข้าใจก่อนว่า Convolution คืออะไร

จากภาพ สมมุติเรามี Matrix ซ้ายมือ ขนาด 6×6 และมี Matrix ตรงกลาง ซึ่งเรียกว่า Filter หรือ Kernel ขนาด 3×3 เราจะนำเฉพาะ 3×3 ช่องแรกของ Matrix แรก มาคูณแบบ Element-wise กับ Filter matrix แล้วนำผลที่ได้แต่ละค่า (ซึ่งมีทั้งสิ้น 9 ค่า) มาบวกกัน แล้วนำไปสู่ในแถวแรกคอลัมน์แรกของ Matrix ที่สามซึ่งเป็นผลลัพธ์ โดยในภาพ ผลลัพธ์ที่ว่า เท่ากับ -1

ถัดมา เราจะเลื่อนกรอบขนาด 3×3 ใน Matrix แรกไปทางขวา 1 ช่อง แล้วทำแบบเดิม ผลลัพธ์ที่ได้ นำไปใส่ในแถว 1 ช่อง 2 ของ Matrix ผลลัพธ์ ทำไปเรื่อยๆ จนสุดทาง แล้วเลื่อนกรอบ 3×3 ลงมาด้านล่าง 1 ช่อง (ชิดขอบด้านซ้ายมือ) แล้วทำแบบเดิม จนกระทั่งเติมค่าใน Matrix ผลลัพธ์จนเต็ม

กระบวนการนี้ เรียกว่า Convolution ซึ่งแสดงสัญลักษณ์ด้วย ส่วน Neural network ที่มี Layer ที่ใช้กระบวนการ Convolution นี้อย่างน้อย 1 Layer เราก็เรียกว่า Convolutional neural network

ถ้าหากข้อมูล Input เป็นภาพสี RGB แปลว่าจะมีค่าสีที่เป็น Matrix ขนาด 6×6 จำนวน 3 ชั้น ดังนั้น Filter ของเราก็จะมี 3 ชั้นตามไปด้วย ส่วนการคำนวน Convolve ก็ให้ทำทีละชั้น นั่นคือ Input ชั้นที่ 1 คูณ Element-wise กับ Filter ชั้นที่ 1 ส่วน Input ชั้นที่ 2 คูณ Element-wise กับ Filter ชั้นที่ 2 เป็นต้น เสร็จแล้วนำผลที่ได้ของทั้ง 3 ชั้นมาบวกกันทั้งหมด กลายเป็นตัวเลข Scalar ตัวเดียว แล้วนำไปใส่ในช่องแรกของ Matrix ผลลัพธ์

ในกระบวนการนี้ Matrix แรกด้านซ้ายมือที่เป็น Input ก็คือ ส่วน Filter matrix คือ Matrix ของค่าน้ำหนัก ซึ่งมีค่าที่ต้องเรียนรู้จากกระบวนการ Backward propagation ผลที่ได้จากการ Convolve 2 Matrix นี้เข้าด้วยกัน คือ Matrix ผลลัพธ์ นั่นคือ นั่นเอง จากนั้นเราก็บวก Intercept เข้าไป ประกอบกันกลายเป็นผลลัพธ์สมการเส้นตรง แล้วก็นำ นี้ไปป้อนเข้า Activation function ก็จะได้ผลเป็น Activation output ของ Layer นั้น นั่นก็คือ

สังเกตว่า Convolution layer นี้ มีคุณสมบัติพิเศษอยู่ 2 ประการ คือ:

1) ทั้ง Layer ใช้ค่าน้ำหนัก ร่วมกัน: กระบวนการ Convolution ใช้ Filter ค่าน้ำหนักตัวเดียวกัน มาคำนวนหา โดยการ Convolve กับ Input ในตำแหน่ง Grid ต่างๆ หลายๆ ครั้งจนครบ ดังนั้น จำนวนของค่าน้ำหนัก ใน Matrix ค่าน้ำหนัก จะมีจำนวนน้อยกว่า Neural network แบบทั่วไปมาก ซึ่งนอกจากจะส่งผลให้การคำนวนทำได้เร็วขึ้นมากแล้ว การใช้ค่าน้ำหนักชุดเดิมซ้ำๆ ในหลายๆ ส่วนของภาพจะเป็นการตรวจจับคุณลักษณะบางประการในหลายๆ ส่วนของภาพ

ตัวอย่างเช่น หาก Filter matrix มีแถวซ้ายเป็นค่าบวก แถวขวาเป็นค่าลบ ดังนี้:

ถ้าเรานำ Filter นี้ไป Convolve กับ Input matrix ที่ด้านซ้ายกับขวาสว่างไม่เท่ากัน เช่น:

จะส่งผลให้ Linear function ผลลัพธ์ มีค่ามากตรงแถวกลางๆ ดังนี้:

ค่ามากหมายถึงมีความสว่างมาก นั่นแปลว่า Filter นี้ใช้ Detect ส่วนของภาพที่เป็นเส้นขอบแนวดิ่งนั่นเอง

2) การเชื่อมต่อข้าม Layer แบบ Sparse: ค่าของ Output ในแต่ละ Layer เป็นผลมาจากการคำนวนค่า Input เพียงบางส่วน ซึ่งต่างกับ Neural network ทั่วไปที่มีการเชื่อมต่อแบบ Dense หมายถึงค่าของ Output แต่ละ Neuron มาจากการคำนวน Input ทุก Neuron การเชื่อมต่อแบบ Sparse ส่งผลให้การคำนวนนั้นเร็วขึ้นมาก

Padding

กระบวนการ Convolution มักจะทำให้ Matrix ผลลัพธ์มีมิติเล็กลง ซึ่งถ้าหากเราทำ Convolution หลายๆ ชั้น ภาพสุดท้ายที่ออกมาก็จะเล็กลงมาก นอกจากนั้น Convolution ยังมีแนวโน้มที่จะทำให้ข้อมูลที่อยู่ตามขอบของภาพนั้นไม่ถูกนำไปคำนวนอย่างเต็มที่เหมือนข้อมูลที่อยู่ส่วนกลางของภาพ เพราะ Filter มีโอกาสจับข้อมูลตามขอบภาพน้อยกว่าตรงกลางภาพ

ทางออกต่อปัญหา 2 ข้อนี้ คือการทำ Padding ซึ่งก็คือการขยายขอบของข้อมูล Input ออกทุกด้านเท่าๆ กัน เช่น ถ้า Input มีขนาด 6×6 การทำ Padding จะทำให้ Input มีขนาดเป็น 8×8

เราสามารถคำนวนได้ว่าเมื่อทำ Padding แล้ว มิติของ Output จะเป็นเท่าใด แต่ก่อนอื่น ลองเปรียบเทียบกับแบบธรรมดา

1) “Valid” convolution คือไม่มี Padding

มิติของ Output คือ:

โดย คือมิติของ Input ส่วน คือมิติของ Filter

2) “Same” convolution คือการ Pad เพื่อให้มิติของ Output เท่ากับมิติของ Input

มิติของ Output คือ:

โดย คือขนาด Pixel ของ Padding ในแต่ละด้าน.

ตัวอย่างเช่น ถ้า Filter มีขนาด 5×5 เราจะต้อง Pad เป็นจำนวนดังนี้:

อนึ่ง ควรจะเป็นเลขคี่ เพื่อให้เกิดความสมมาตรและมีจุดกึ่งกลาง

Stride

Stride แปลว่า “ย่างก้าว” หมายถึงจำนวนช่องที่จะเลื่อนไปในกระบวนการ Convolution แต่ละครั้ง เช่นถ้าเลื่อนทีละช่อง Stride แต่ถ้าเลื่อนทีละ 2 ช่อง ก็คือ

สูตรในการคำนวนขนาด Output เมื่อใช้ Stride คือ:

สังเกตว่าเราจะปัดเศษลง ไม่ใช่ปัดขึ้น

Pooling layer

หลังจากที่ข้อมูลผ่าน Convolution layer แล้ว บ่อยครั้งที่จะถูกส่งเข้า Layer อีกแบบหนึ่งที่เรียกว่า Pooling layer

หน้าที่ของ Pooling layer คือการสกัดเอาส่วนที่สำคัญที่สุดของข้อมูล และเพิ่มประสิทธิภาพการประมวลผลให้รวดเร็วยิ่งขึ้น กลไกของ Pooling layer นั้นเรียบง่ายมาก คือการสกัดเอาเฉพาะค่าสูงสุดของ Grid เก็บไว้ใน Output เช่นจากภาพ แสดง Pooling layer ขนาด 2×2 โดยมีค่า Stride :

Pooling layer ที่สกัดเอาเฉพาะค่าสูงสุดของ Grid เก็บไว้ เรียกว่า Max pooling ซึ่งเป็นรูปแบบที่ใช้บ่อยที่สุด นอกจากนั้นยังมี Average pooling ซึ่งหาค่าเฉลี่ยของ Grid เก็บไว้ แต่ใช้น้อยกว่า Max pooling มาก

ตัวอย่าง Convolutional Network

ตอนนี้เรารู้จักองค์ประกอบของ Convolutional neural network แล้ว เราจะจบบทนี้ด้วยการแสดงตัวอย่างว่าองค์ประกอบเหล่านี้ จะถูกนำมาต่อกันเป็น CNN อย่างไร

Input Layer

สมมุติว่าเรามีภาพตั้งต้นขนาด 32×32 pixel โดยเป็นภาพสี RGB นั่นหมายความว่าภาพนี้มี 3 Layer คือแทนสี Red, Green, และ Blue โดยเราต้องการจำแนกภาพนี้ออกเป็น 10 ประเภท:

Input layer a[0]: (32, 32, 3)

1st Layer

ใน Layer แรก เราจะใช้ Convolution layer ขนาด 5×5 โดยมี Stride เท่ากับ 1 และไม่มี Padding โดยจะใช้ Convolution layer บบนี้ทั้งสิ้น 6 Layer นั่นก็คือ เราจะได้มิติของ จากการคำนวนตามสมการที่ (4) ดังนี้

Convolution layer a[1]: (28, 28, 6)

จากนั้นเราจะใช้ Max pooling ขนาด ก็จะได้มิติของ Activation function ของ Layer ที่ 1 จากการคำนวนตามสมการที่ (8) ดังนี้:

Max-pooling layer a[1]: (14, 14, 6)

2nd Layer

ต่อมาใน Layer ที่สอง เราจะใช้ Convolution layer ขนาด 5×5 โดยมี Stride เท่ากับ 1 และไม่มี Padding โดยจะใช้ Convolution layer บบนี้ทั้งสิ้น 16 Layer นั่นก็คือ จะได้มิติดังนี้:

Convolution layer a[2]: (10, 10, 16)

จากนั้นเราจะใช้ Max pooling ขนาด ก็จะได้มิติของ Output ของ Layer ที่ 2 ดังนี้:

Max-pooling layer a[2]: (5, 5, 16)

เสร็จแล้วเราจะปิดท้าย Layer ที่สอง ด้วยการรวมเอา Output ทั้งหมดมา Activate ใน Dense layer นั่นก็คือ Layer ที่เชื่อมต่อทุก Neuron แบบปกติ ซึ่งจะมีขนาดเท่ากับ Output นั่นก็คือ 5x5x16 = 400 เราเรียก Layer ชนิดนี้ว่า Dense หรือ Flatten layer:

Flatten (dense) layer a[2]: (400)

3rd Layer

จากนั้นเราจะนำ Dense layer ไปเชื่อมเข้ากับ Dense layer อีกชั้น แต่คราวนี้ลดขนาดลงเป็น 120:

Flatten (dense) layer a[3]: (120)

4th Layer

แล้วก็นำ Dense layer ไปเชื่อมเข้ากับ Dense layer อีกชั้นหนึ่งซึ่งเล็กลงไปอีก คราวนี้มีขนาด 86:

Flatten (dense) layer a[4]: (86)

5th Layer

สุดท้ายก็ Output ออกไปยัง Softmax layer ขนาด 10 neuron เพื่อจำแนก Classification ออกเป็น 10 กลุ่ม:

Softmax layer a[5]: (10)

คงพอจะเห็นภาพว่าเราสามารถนำส่วนประกอบต่างๆ มาประกอบกันเป็น Convolutional neural network ได้ตามตัวอย่าง ซึ่งอันที่จริงเป็นโครงสร้างที่เรียกว่า LeNet-5 ซึ่งถูกตีพิมพ์แผนแพร่เมื่อปี 1998 และถูกนำมาใช้ในการอ่านตัวเลขบนเช็คโดยธนาคารหลายแห่ง ถือเป็นหนึ่งในโครงสร้าง CNN แบบคลาสสิค

ภาพโครงสร้าง LeNet-5 จาก Paper ต้นฉบับ “Gradient-based learning applied to document recognition” ตีพิมพ์ใน Proceedings of the IEEE, November 1998

หน้าแรก | บทที่ 18 Neural Network Regularisation

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.


How To Find The Best Altcoins To Buy (BEFORE) They 100x – My $300k Week


How To Find The Best Altcoins To Buy (BEFORE) They 10x My $300k Week. Crypto Altcoins are going to dominate this year!
🚀 How I Find 20% 500% Winners before the crowd! https://iknkfx.com/kryptonstart1 🚀
🚨 FREE DISCORD CHAT ROOM AT https://iknkfx.com
🚨 REALTIME TELEGRAM BUY AND SELL ALERTS https://iknkfx.com/wolfpack
……………………………………………….
To find the best altcoins 2021 you must subscribe to this channel!
We absolutley crushed it buying the best metaverse gaming crypto projects like SAND, MANA, WILD, NETVRK, SENSO, SHIB, BLOK, BLOKTOPIA, DERACE
About Cameron Fous
From Teaching a worldwide audience of students how to day trade for 15 years, traveling the world full time as a digital nomad, and running a milliondollar online course business, I’ve done it all.
You could say I’m a \”make money online\” expert and have a tremendous amount of knowledge in getting that WiFi money yah dig?
Follow me on my other channels below!
🧟‍♂️Follow me on Social
https://instagram.com/cameron.fous​
https://facebook.com/cameronfous​
https://twitter.com/cameronfous​

นอกจากการดูบทความนี้แล้ว คุณยังสามารถดูข้อมูลที่เป็นประโยชน์อื่นๆ อีกมากมายที่เราให้ไว้ที่นี่: ดูความรู้เพิ่มเติมที่นี่

How To Find The Best Altcoins To Buy (BEFORE) They 100x - My $300k Week

Find the difference|Japanese Pictures Puzzle No301


Spot the difference picture game.
Can you find them all?
In 90 seconds time, you have to find all 3 differences between two pictures.
We are going to update from simple to difficult questions, so please try the best questions for Brain teaser.
Please enjoy it with your family.

Please subscribe to my channel! And if you like it, please thumbs up!
Tell me in the comments below how many you were able to get.

FindTheDifference SpotTheDifference challenge  
—————————

CHAPTER 0:00
GAME1 0:17
GAME1 Answer 1:52
GAME2 2:09
GAME2 Answer 3:44
GAME3 4:01
GAME3 Answer 5:36
GAME4 5:53
GAME4 Answer 7:28
GAME5 7:45
GAME5 Answer 9:20

Find the difference|Japanese Pictures Puzzle No301

Quay Video Chuyên Nghiệp Với OPPO Find X3 Pro 5G


Hãy cùng các chuyên gia khám phá cách quay và chỉnh sửa video chuyên nghiệp bằng các tính năng quay chụp ưu việt trên Find X3 Pro 5G🎥🌙
Màn hình hiển thị 1 tỷ màu và camera lưu giữ màu sắc tuyệt vời, khả năng chống rung hoàn hảo, tuỳ chỉnh theo ý thích, giúp bạn thoả sức khai phá tiềm năng sáng tạo của mình.
👉Tìm hiểu thêm thông tin về sản phẩm http://bit.ly/FindX3Pro5G_MuaNgay
👉Nhanh tay đăt mua online tại: https://shop.oppomobile.vn/smartphone/oppofindx3pro
OPPOFindX3Pro5G ĐánhThứcSắcMàu

Quay Video Chuyên Nghiệp Với OPPO Find X3 Pro 5G

OPPO Find X2 Series | Product Introduction


Bring visuals to life and UncoverTheUltimate.
The possibility of using a 120 Hz screen, giving you fantastic smoothness, precision, and ultra realism
Find X2 Pro serves as your second pair of eyes with its 48MP wideangle lens, 48MP ultrawideangle lens, and 13MP periscope telephoto lens. Enhanced with dual OIS and 12bit True Capture, this is a camera that lets you record whatever you want, however you want.
Find More:
https://www.oppo.com/en/events/uncovertheultimate/

OPPO Find X2 Series | Product Introduction

Three Ways to Find the Lands!


Full Story: https://bit.ly/3oNrADA
UR TShirts: https://bit.ly/2UEAkgW
UR on Patreon: https://www.patreon.com/ultimatereloader
Trying to find the Lands? This video will demonstrate what the lands are show three ways to find them.

Ultimate Reloader LLC / gavintoobe Disclaimer:
You alone are responsible for the safety of yourself and your property.
Check local and state laws before undertaking any activity involving possessing, transporting, and shooting firearms. Check local and state laws before attempting to load ammunition or perform any modifications to a firearm. Always abide by the law. Always practice gun safety.
The content on this channel (including videos, ammunition reloading data, technical data, comments, and any other information contained within) is for demonstration purposes only.
Do not attempt any of the processes or procedures shown or described in this video or on this YouTube channel (gavintoobe).
Any reloading data supplied on this YouTube channel (gavintoobe) or in this video, including any comments from viewers and readers must be assumed to be in error.
Always consult at least three sources of manufacturer’s ammunition reloading data before reloading your own ammunition.
Do not attempt to repair or modify any firearms based on information found on this YouTube channel or in this video.
Gunsmithing procedures should only be performed only by a licensed gunsmith.
Ultimate Reloader, LLC can not be held liable for any harm caused to any individual or any personal property related to activities, procedures, techniques, or practices described in whole or part on this YouTube channel (gavintoobe) or in this video.
By watching this video in whole or in part, you agree that you alone are solely responsible for your own safety and property as it pertains to activities, procedures, techniques, or practices described in whole or part on this YouTube channel (gavintoobe) or in this video.

Ultimate Reloader LLC / gavintoobe Material Connection Notice:
The following Ultimate Reloader partners are featured in this video:
Hornady
Short Action Customs
Ultimate Reloader partnerships involve one or more of the following:
Product supplied for evaluation + testing + features in videos/articles, paid advertising and promotions, engineering and product development services, scientific testing and evaluation, external media production and related marketing services.
Ultimate Reloader LLC is committed to publishing subjective and datadriven information+insights related to products whether it be favorable or unfavorable or both.
For more information about Ultimate Reloader partnerships, please visit: https://ultimatereloader.com/about

Three Ways to Find the Lands!

นอกจากการดูบทความนี้แล้ว คุณยังสามารถดูข้อมูลที่เป็นประโยชน์อื่นๆ อีกมากมายที่เราให้ไว้ที่นี่: ดูวิธีอื่นๆMAKE MONEY ONLINE

ขอบคุณมากสำหรับการดูหัวข้อโพสต์ ช่อง 2 ของ find

Leave a Reply

Your email address will not be published. Required fields are marked *